基于ＢＰ神经网络的国际黄金价格预测模型公文易文秘资源网顾孟钧张志和陈友2009-1-2 13:35:26我要投稿添加到百度搜藏[摘要 ] 为了寻找国际黄金价格与道琼斯工业指数、美国消费者指数，国际黄金储备等因素之间的内在关系， 本文对 1972 年～ 2006 年间的各项数据首先进行归一化处理，利用 MATLAB神经网络工具箱进行模拟训练，建立了基于BP 神经网络的国际黄金价格预测模型[摘要 ] 为了寻找国际黄金价格与道琼斯工业指数、美国消费者指数，国际黄金储备等因素之间的内在关系，本文对 1972 年～ 2006 年间的各项数据首先进行归一化处理，利用MATLAB神经网络工具箱进行模拟训练，建立了基于BP 神经网络的国际黄金价格预测模型。[关键词 ] MATLAB BP 神经网络预测模型数据归一化一、引言自 20 世纪 70 年代初以来的30 多年里 ,世界黄金价格出现了令人瞠目的剧烈变动。20世纪 70 年代初 ,每盎司黄金价格仅为30 多美元。 80 年代初 ,黄金暴涨到每盎司近700 美元。本世纪初 ,黄金价格处于每盎司270 美元左右 ,此后逐年攀升 ,到 2006 年 5 月 12 日达到了 26年高点 ,每盎司 730 美元 ,此后又暴跌 ,仅一个月时间内就下跌了约160 美元 ,跌幅高达 21.9%。最近两年，黄金价格一度冲高到每盎司900 多美元。黄金价格起伏如此之大,本文根据国际黄金价格的影响因素，通过BP 神经网络预测模型来预测长期黄金价格。二、影响因素刘曙光和胡再勇证实将观察期延长为1972 年～ 2006 年时 ,则影响黄金价格的主要因素扩展至包含道琼斯指数、美国消费者价格指数、美元名义有效汇率、美国联邦基金利率和世界黄金储备5 个因素。本文利用此观点，根据1972 年～ 2006 年各因素的值来建立神经网络预测模型。三、模型构建1.模型选择： BP 网络具有理论上能逼近任意非线性函数的能力，将输入模式映射到输出模式，只需用已知的模式训练网络，通过学习，网络就有了这种映射能力。2.样本数据归一化：在训练前，对数据进行归一化处理，把输入向量和输出向量的取值范围都归一到 [0，1]。3.BP 网络设计： 采用单隐层的BP 网络进行预测， 由于输入样本为5 维的输入向量， 因此输入层一共有5 个神经元，中间层取20 个神经元，输出层一个神经元（即黄金价格），网络为 5*20*1 的结构。中间层的传递函数为S 型正切函数，输出层为S 型对数函数。中间层的神经元个数很难确定，测试时分别对12，15，20 个数进行...
